Yayasan AI
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Perpustakaan AI gratis
1019 panduan berbahasa Inggris sederhana, jalur pembelajaran terstruktur, dan perpustakaan terbuka — dibuat oleh lembaga nonprofit 501(c)(3) independen sehingga siapa pun dapat memahami AI modern.
Mulai di sini
Each course includes explicit outcomes, mapped competencies, practice activities, and an applied capstone.
Understand what AI is, how systems learn, where they fail, and how to judge claims without hype.
Use AI productively while protecting privacy, checking outputs, and preserving human accountability.
Evaluate workplace use cases, run safe pilots, measure value, and communicate changes responsibly.
Analyze AI systems through rights, equity, governance, safety, and public-interest outcomes.
Understand language models, retrieval, agents, evaluation, cost, and deployment safeguards through practical system design.
Trek topik
Lompatlah ke area yang Anda minati. Setiap trek memiliki beberapa panduan berbahasa Inggris.
Perpustakaan lengkap
1019 dari 1019 panduan yang ditampilkan. Filter berdasarkan trek atau cari di atas.
Penyulingan pengetahuan melatih model 'siswa' kecil untuk meniru model 'guru' yang besar dan akurat.
TeknisMixture of Experts (MoE) adalah desain model yang membagi jaringan menjadi banyak sub-jaringan khusus dan hanya mengaktifkan beberapa sub-jaringan per input.
Dasar-dasarPenyematan mengubah kata, gambar, atau data lain menjadi daftar angka (vektor) sehingga hal serupa berakhir berdekatan dalam ruang berdimensi tinggi.
Dasar-dasarTokenisasi adalah langkah yang memotong teks menjadi potongan-potongan kecil yang disebut token, unit yang benar-benar dibaca dan diprediksi oleh model bahasa.
Dasar-dasarRekayasa fitur adalah keahlian mengubah data mentah menjadi masukan (fitur) informatif yang membantu model belajar.
TeknisKuantisasi model mengecilkan jaringan saraf dengan menyimpan angka-angkanya dalam bit yang lebih sedikit, sehingga model yang sama berjalan lebih cepat dan pada perangkat keras yang lebih kecil.
TeknisPembelajaran gabungan melatih model bersama di banyak perangkat atau organisasi tanpa mengumpulkan data mentah di satu tempat.
Dasar-dasarPohon keputusan membuat prediksi dengan mengajukan serangkaian pertanyaan sederhana ya/tidak, seperti diagram alur.
Dasar-dasarMesin vektor dukungan (SVM) adalah algoritma klasik yang memisahkan dua kelompok dengan menggambar batas seluas mungkin di antara keduanya.
Dasar-dasarPengurangan dimensi memperkecil data dari banyak kolom (fitur) menjadi beberapa kolom dengan tetap mempertahankan struktur penting.
Dasar-dasarPembelajaran transfer menggunakan kembali model yang telah dilatih pada kumpulan data besar dan menyesuaikannya dengan tugas baru yang terkait.
Dasar-dasarPembelajaran dengan pengawasan mandiri melatih model pada data tak berlabel dengan menciptakan tugas yang jawabannya tersembunyi di dalam data itu sendiri.
Check what you learned with topic quizzes, then explore our structured courses and current certification requirements. Core guides remain free to read.